Цифровой рубль поможет в борьбе с мошенничеством

Илья Чижевский, Президент ОТП Банка выступил на пленарной дискуссии «Цифровой рубль: новые возможности для государства и бизнеса» в рамках деловой программы юбилейного форума «Финополис» 08 октября 2025. В своем выступлении он рассказал о планах банка войти в проект даже раньше «дедлайна» и обозначил ключевые возможности внедрения цифрового рубля, выделив защиту наиболее уязвимых категорий граждан от мошенничества и предложил создать единый центр идентификации смарт-контрактов.

Чижевский заявил, что Россия достигла значительных успехов в развитии цифровой валюты, не имеющих аналогов в мире. «Мы по сути с вами обсуждаем тему, которую смогли осилить страны, количество которых уместится в одну руку и меня лично переполняет чувство гордости, что мы с вами сопричастны с этими изменениями», - отметил он.

Особый акцент был сделан на потенциале цифрового рубля как инструмента защиты граждан от мошенничества. «Цифровой рубль с его возможностями может быть спасением от проблем, вызванных социальной инженерией. Мы хотим предлагать решения на базе цифрового рубля, которые защитят наиболее уязвимые категории граждан, снизят вероятность мошенничества, обеспечат расследование и возврат средств».

Также он предложил интеграцию смарт-контрактов в сделки, где участниками являются как минимум три стороны. Например, когда происходит задержки рейса, вопрос компенсации решается автоматически. «Он автоматически регулируется, а мы избавляемся от бесчисленной документации, минимизируя затраты времени и сил», — пояснил он. При этом создание единого центра идентификации смарт-контрактов на базе Банка России, станет, по его словам, гарантом непредвзятости и позволит сделать значительный шаг вперед в популяризации и масштабировании применения как цифрового рубля, так и смарт-контрактов.

Комментируя результаты исследования, проведенного ОТП Банком совместно с Ассоциацией ФинТех и Аналитическим центром НАФИ, Илья Чижевский отметил: «Экспертное сообщество фокусируется на одних технологических трендах, респонденты — почти 1700 человек по всей стране — видят приоритеты иначе. Это говорит о том, что перед нами стоит масштабная задача по популяризации и разъяснению тех возможностей, которые перед нами, перед всеми открывает цифровой рубль, важно научить людей собирать кубик рубика новой цифровой реальности».

В заключение спикер подчеркнул, что банки и регулятор должны вместе заниматься популяризацией этого решения, чтобы инновации приносили ценность для человека, а не только для отрасли.

Управление качеством данных выводит бизнес-процессы на новый уровень

ОТП Банк представил инновационный подход к управлению качеством данных. Об этом 24 сентября 2025 года на 10-м форуме «Управление данными — 2025» в Москве рассказал Николай Шевцов, директор дирекции по управлению данными ОТП Банка. В ходе своего доклада он представил анализ практического опыта построения сквозной системы управления данными (Data Governance), которая успешно работает в ОТП Банке уже более 2-х лет. Особое внимание было уделено презентации инструмента, позволяющего в реальном времени отслеживать сотни критических показателей по всему массиву данных финансовой организации – автоматическим проверкам данных.

«Новый подход, основанный на принципе «Data Quality by Design», позволил не только значительно повысить надежность информации, но и добиться значительной экономии средств, превратив контроль качества данных из статьи расходов в мощный стратегический актив, улучшающий финансовый результат компании», - отмечает Николай Шевцов.

По словам эксперта, традиционные системы контроля «качества данных» часто ассоциируется с рутинными отчетами и бесконечными ручными проверками. Бизнес-пользователи сталкиваются с ошибками в отчетах, а аналитики тратят до 70% времени на исправление инцидентов, что приводит к замедлению процессов и выгоранию сотрудников. Решение ОТП Банка кардинально меняет эту парадигму.

Основной элемент новшества — централизованная Data Governance платформа, которая хранит все метаданные – бизнес-глоссарий, каталог данных, домены, владельцев, процессы. Ее ключевое отличие заключается в интеграции BRD (Business Requirements Document) и FSD (Functional Specifications Document) в платформу как структурированных объектов, а не разрозненных документов в Word или Confluence. Глубокая автоматизация и интеграция контроля на этапе разработки любых data-продуктов позволяет бизнесу и IT работать в едином контуре, обеспечивая прозрачность и скорость реагирования на инциденты.

Также платформа обеспечивает сквозной мониторинг сотен критических показателей в реальном времени, автозакрытие инцидентов и оперативные уведомления, что дает бизнес-пользователям полный контроль над операционными задачами, а специалистов почти полностью освобождает от рутинных процессов, оставляя больше времени для решения стратегических задач.

«Благодаря тому, что создание DQ-проверок мы встроили в Framework разработки Data – продукта, 75% проверок создаются теперь автоматически на основе бизнес-правил, без участия человека. Таким образом, мы смогли прийти к значительному ускорению процессов – меньше минуты на создание проверки качества данных против 10-15 минут режиме ручной поверки. И добились снижения операционной нагрузки на команды в сотни раз. При этом почти на треть вырос уровень качества данных, потому что мы успеваем проверять то, до чего раньше не доходили руки. Как результат – на 25% сокращены затраты на решение инцидентов качества данных за счет автоматизации рутинных операций», - пояснил Николай.

По словам Шевцова, команде ОТП Банка удалось встроить «ген качества» в ДНК бизнес-процессов, что открывает новые возможности для увеличения эффективности ML- моделей для работы искусственного интеллекта.

LLM становится ключевым инструментом финансового успеха

Передовые технологии становятся движущей силой изменений в банковской сфере. Применение больших языковых моделей (Large Language Models, LLM) открывает новые горизонты для оптимизации внутренних процессов и повышения клиентского сервиса.

О финансовом эффекте и неоспоримых преимуществах для бизнес-процессов банка от практического применения LLM рассказал Евгений Зубков, Начальник управления исследования данных и машинного обучения ОТП Банка в ходе 3-ей практической конференции о генеративном ИИ в финансовой сфере ИИ-БАНКИНГх2025: Агенты влияния 11 сентября 2025 года.

По его словам, - «значительный экономический эффект от использования подобных моделей достигается за счет ряда функциональных свойств LLM, таких как обработка естественного языка, анализа больших объемов данных. При этом создается органический контент на нативном языке для быстрого понимания запросов клиентов и сотрудников, что позволяет мгновенно отвечать на вопросы, качественно снижая нагрузку на контакт-центры и службу поддержки».

Также среди преимуществ внедрения LLM в банковские процессы, Евгений Зубков выделил следующие:

Автоматический анализ деловой корреспонденции, сообщений и помощь в формировании целого ряда отчетов, писем клиентам, юридических документов, что существенно сокращает временные затраты на рутинную работу сотрудников. Одновременно происходит автоматизированная классификация тематик и сравнение документов, что в свою очередь снижает риски ошибок при принятии решений.

Помощники и чат-боты, работающие на базе LLM помогают оперативно решать повседневные задачи, повышать продуктивность и качество обслуживания клиентов, а глубокий анализ клиентских отзывов помогает выявлять скрытые проблемы и потребности, позволяя улучшать показатели лояльности (NPS, Net Promoter Score).

Кроме того, Евгений рассказал, что благодаря применению ML (Machine Learning) – сегментации – машинного обучения для сегментирования клиентской базы – можно расширить возможности персонализированной коммуникации, за счет выстраивания индивидуализированных отношений с каждым клиентом. Этот процесс подразумевает классификацию пользователей на группы исходя из множества факторов: поведения, предпочтений, уровня дохода, активности и многих других характеристик. Вследствие чего становится возможным создание уникальных сообщений для каждой выделенной категории клиентов, за счет чего достигается эффект роста конверсии по кросс-продажам, а также заметное увеличение среднего показателя NPS.

«Наша цель – быть не просто Банком, а надежным помощником. Поэтому мы используем инновационные технологии, для того чтобы сделать банковские услуги проще и удобнее. Для нас это способ лучше понимать потребности клиента и предлагать именно то, что нужно в нужный момент. Так мы становимся ближе и понятнее», - подчеркнул эксперт.

Из основных возможностей применения LLM Евгений Зубков особо отметил быстрый и умный поиск по базе знаний о продуктах и сервисах банка LLM RAG – (Retrieval-Augmented Generation). Как ассистент оператора контакт-центра, быстрее и точнее дает ответы на запрос клиента благодаря внутреннему боту, обученному на базах знаний и архиве диалогов.

Чат-бот, как ассистент для клиентов, который знает весь контекст о продукте, аналогах на рынке и даже нюансах законодательства. Кроме того, AI-ассистент для рекрутинга (HR), который поможет подобрать резюме.

«Использование LLM – технологий в банковском секторе создает уникальные возможности для достижения устойчивого роста, снижения затрат и улучшения финансовых показателей. Следуя современным тенденциям развития цифровых технологий, мы сможем уверенно двигаться вперед в условиях растущей конкуренции и постоянно меняющегося рынка», - резюмировал спикер.

Автоматизировали процесс текстовых обращений от клиентов с помощью Yandex SpeechSense и что из этого вышло

ОТП Банк протестировал технологии Yandex B2B Tech для повышения качества обслуживания клиентов. Благодаря этому проекту скорость обработки и анализа сообщений клиентов увеличилась в 30 раз.

Наша клиентская поддержка обрабатывает более 400 тысяч текстовых обращений по 260 тематикам в месяц. Анализ такого объёма информации занимает много времени специалистов, поэтому мы решили автоматизировать этот процесс с помощью сервиса для речевой аналитики Yandex SpeechSense. Так, в ходе пилота за 7 дней было проанализировано больше 29 тысяч диалогов с клиентами – это в 30 раз быстрее, чем при ручной работе трёх сотрудников.

Инструменты для анализа коммуникаций, такие как Yandex SpeechSense, помогли повысить качество работы поддержки. Система автоматически определяет тематику обращений, распределяет их по группам и выделяет в диалогах значимые смысловые блоки. Благодаря этому мы также смогли выявить направления для улучшения клиентского опыта.

Второй пилотный проект был направлен на автоматизацию клиентских консультаций с помощью ИИ-агента на основе YandexGPT. Агент отвечал на обращения клиентов в чатах мобильного приложения по 30 популярным темам, таким как частичное досрочное погашение кредита, разъяснение условий льготного периода и другие. Бот фактически без ошибок ответил на 60 тысяч запросов, в связи с чем индекс удовлетворенности клиентов (CSI) вырос на 0,2 из 10 пунктов. Кроме того, уровень автоматизации обработки диалогов увеличился до 8%. Лучше всего ИИ-агент работал в сценариях, где клиенту требовалось дать подробное пошаговое пояснение или уточнить ранее полученную информацию. В планах – расширить применение нейросетей для обработки более сложных запросов и системной работы с обратной связью клиентов.